机器视觉第4章 图像处理技术-精品·公开课件.ppt

第4章 图像处理技术 第4章内容 4.1 图像增强 4.2 图像分割 4.3 边缘提取 4.4 数学形态学分析 4.5 图像投影 4.6 图像特征提取 4.7 配准定位方法*(扩展内容/自学) 4.1 图像增强 空域图像增强 频域图像增强 彩色增强 4.1.3 彩色增强 伪彩色增强 在记录和显示图像时，根据黑白图像各像素灰度大小，按一定规则赋给它们不同的彩色，就将黑白图像变成彩色图像，这种由灰度到彩色的映射称为伪彩色增强。 目的：利用人眼对彩色的敏感性，增强观测者对目标物的 检测性，提高人对图像的分辨能力。 原理：输入和输出图像对应像素间进行一对一的映射变 换，不涉及像素空间位置改变。 4.1.3 彩色增强 假彩色增强 是从彩色到彩色的变化。 将一幅真实自然的彩色图像或遥感多光谱图像逐点映射到三基色所确定的三维色度空间，然后加以合成，形成新的色彩，使目标物体在重新显示后，呈现出不同于原始的自然色。 4.2 图像分割 是图像处理到图像理解的关键步骤。把图像分割成各个具有特性的区域并提取出感兴趣目标的技术和过程。 基于阈值的分割方法是一种应用十分广泛的分割技术。 利用图像的灰度直方图获得分割阈值，用一个或几个阈值将图像的灰度级分为几个部分，认为属于同一部分的像素是同一个物体。 适用于目标和背景占据不同灰度级范围的图像。 两个步骤：(1)确定需要分割的阈值；(2)将分割阈值与像素值进行比较以划分像素。 4.2 图像分割 阈值变换方法主要有两类：固定阈值法和浮动阈值法。 双峰法 迭代法 大津法 判别分析法 一维最大熵法 4.2.1 双峰法 认为图像由前景和背景组成，在直方图上两者各形成一个高峰，双峰间的最低谷就是图像分割阈值。 具体实现：先绘出直方图，然后人为定下双峰间分割阈值 4.2.2 迭代法 求出图像的最大和最小灰度值，记为Max和Min。 令初始阈值T0=(Max+Min)/2。 根据阈值T0将图像分割为前景和背景，分别求出两者的平均灰度值ZO和ZB。 求出新阈值：T1=(ZO+ZB)/2。 若T0=T1，退出迭代，T1即为阈值；否则令T0=T1，转步骤3，迭代计算。 4.2.3 大津法 对一幅图像，记：t为分割阈值；w0为前景点数占图像比例；前景平均灰度为u0; w1为背景点数占图像比例；背景平均灰度为u1。 图像的总平均灰度为：u=w0*u0+w1*u1 从最小灰度值到最大灰度值遍历t，使 g=w0*(u0-u)2+w1*(u1-u)2 最大时的t为最佳分割阈值。 4.2.3 大津法 大津法的本质： g本质上是类间方差值。 方差是灰度分布均匀性的一种度量。 方差值越大，说明构成图像的两部分差别越大，错分概率越小。 4.2.4 判别分析法 L--图像灰度级；N--总像素数；Ni--灰度值为i的像素数 灰度级k的灰度分布零阶矩w(k)和一阶矩u(k)为 有M-1个阈值，1?k1?k2???kM-1?L，将图像分割成M个灰度值的类Cj，类间灰度级范围Sj=[kj-1,kj]，j=1,2,?,M 类Cj的发生概率wj，平均值uj为 4.2.4 判别分析法 类间方差 使?2最大的阈值组，就是最佳阈值组 通常M=2，即图像二值化。 4.2.5 一维最大熵法 灰度级：L；分割阈值：T； 目标区O：T，像素数pO； 背景区B：?T ，像素数pB； 各灰度级在本区的分布概率pi 熵： ?(T)最大时对应的灰度值T，为最佳阈值 4.2.5 一维最大熵法 缺点： 运算速度慢，不能满足实时性要求 只考虑了灰度值信息，没考虑像素点的空间信息 当图像信噪比降低时，分割效果不理想。 4.3 边缘提取 边缘是图像的最重要的特征。 边缘是周围像素灰度有阶跃变化或屋顶变化的像素集合。 边缘反映图像灰度的不连续性。 图像的边缘很少是从一个灰度跳到另一个灰度这样的理想状况。真实图像的边缘通常都具有有限的宽度呈现出陡峭的斜坡状。 基于边缘检测的基本思想：先检测图像中的边缘点，再按一定策略连接成轮廓，从而形成边缘图像。 4.3 边缘提取 4.3 边缘提取 边缘检测一般过程 4.3.1 边缘检测算子 梯度算子 拉普拉斯算子 Canny算子 4.3.1 边缘检测算子 梯度算子 梯度对应一阶导数 常用梯度算子：Roberts、Prewitt、Sobel 4.4.1 边缘算子提取 4.3.1 边缘检测算子 拉普拉斯算子 是二阶微分算子，属于各向同性的运算。 模板基本要求：中心像素的系数0；邻近中心像素的像素系数0；系数总和=0。 4.3.1 边缘检测算子 Canny算子 John Canny于1986年提出，是先平滑后求导数的方法。 John 给出的评价边缘检测性能优劣的三个指标：